Pesquisadores do Centro de Pesquisa em Câncer Alemão desenvolveram um modelo de inteligência artificial, Delphi-2m, que pode prever o risco de um indivíduo para mais de 1.000 doenças de até duas décadas no futuro usando registros médicos. Esse desenvolvimento se alinha com uma mudança mais ampla nos cuidados de saúde do tratamento reativo para a prevenção proativa. Embora os algoritmos tenham sido criados para prever o risco de condições únicas, as doenças são frequentemente interconectadas. Um modelo abrangente que pode explicar essa complexidade poderia informar o tratamento precoce, melhorar a triagem direcionada e identificar indivíduos de alto risco que, de outra forma, poderiam ser negligenciados.
Como funciona o Delphi-2m
O modelo Delphi-2m é um modelo de idioma grande (LLM), semelhante à tecnologia por trás dos chatbots geradores de texto. Em vez de ser treinado no texto da Internet, foi desenvolvido processando mais de 400.000 registros médicos abrangentes do biobank do Reino Unido. Esses dados clínicos foram suplementados com informações sobre o estilo de vida, como índice de massa corporal e status de fumar. O modelo trata o histórico médico de um paciente como uma sequência de “tokens de doença”, onde cada código de diagnóstico representa uma etapa em uma potencial progressão da doença. Ao analisar essas seqüências, a IA aprende os padrões estatísticos de como diferentes condições se conectam e se seguem ao longo do tempo. Uma característica fundamental é sua capacidade de reavaliar dinamicamente as previsões. Quando novas informações, como um resultado recente do exame de sangue, são adicionadas, o modelo pode atualizar seus cálculos de risco para esse indivíduo, permitindo o monitoramento contínuo da saúde.
Desempenho e validação
Nas avaliações de desempenho, o Delphi-2m correspondeu ou excedeu a precisão dos escores de risco clínico estabelecidos para a maioria das 1.258 doenças em que foi treinado. Também superou outros preditores de IA médicos especializados projetados para prever doenças únicas. O modelo mostrou-se particularmente eficaz na previsão do risco de longo alcance de doenças cardiovasculares e demência, mostrando maior precisão do que alguns modelos baseados em biomarcadores, mesmo quando previam duas décadas no futuro. No entanto, o modelo lutou para prever com precisão condições com trajetórias mais variáveis fortemente influenciadas pelas mudanças no estilo de vida, como o diabetes tipo 2. Isso indica uma limitação em sua capacidade de contabilizar fatores não capturados consistentemente nos registros eletrônicos de saúde. Para testar sua robustez, os pesquisadores aplicaram o modelo ao Registro Nacional de Pacientes Dinamarquês, que contém registros para quase dois milhões de cidadãos. Apesar das diferenças nas populações e nos sistemas de saúde, a precisão da previsão do modelo permaneceu alta, sugerindo que ele aprendeu princípios fundamentais da progressão da doença humana.
Design ético e aplicações futuras
Delphi-2m foi projetado com considerações práticas e éticas em mente. Ele pode aprender com os registros médicos sintéticos para proteger a privacidade do paciente e é uma IA “explicável”, o que significa que pode fornecer uma justificativa para suas previsões, agrupando condições e sintomas relacionados. Os pesquisadores enfatizam que o modelo identifica associações estatísticas, não causação. O modelo é construído com um design modular para incorporar tipos de dados adicionais no futuro, como genômica, diagnóstico de imagem e dados de dispositivos vestíveis. Atualmente, a ferramenta está sendo testada em outros países com diversas populações. Em sua forma atual, ele pode ser usado em ambientes clínicos para identificar indivíduos que se beneficiariam da triagem precoce, mesmo que não atendam aos critérios tradicionais.
Recepção especializada
O modelo foi recebido positivamente por especialistas não envolvidos no estudo. Justin Stebbing, professor da Universidade Anglia Ruskin, chamou a ferramenta de “uma conquista” que define “um novo padrão para precisão e interpretabilidade preditivas”. Gustavo Sudre, pesquisador do King’s College London, descreveu a pesquisa como:
“Um passo significativo em direção a uma forma escalável, interpretável e, mais importante – eticamente responsável de modelagem preditiva na medicina”.
